苏州大学 光电科学与工程学院，江苏 苏州 215006
针对全变分(total variation，TV)模型在图像去噪过程中易于产生“阶梯效应”的缺点，提出了一种改进的二阶总广义变分(total generalized variation，TGV)图像去噪模型。新模型中，利用Kirsch边缘检测算子提取到的图像纹理信息，在二阶TGV去噪模型的正则项中引入一个边缘指示函数引导扩散。实验表明，与经典的TV去噪模型和二阶TGV去噪模型相比，新模型无论是在视觉效果上还是在峰值信噪比(PSNR)和均方误差(MSE)方面都有明显的改善，在有效地去除噪声的同时自适应地保护图像的边缘信息和细小的纹理结构信息。
全变分(TV)模型 阶梯效应 二阶总广义变分(TGV)模型 Kirsch边缘检测算子 total variation (TV) model staircase effect second order total generalized variation (TGV) mod Kirsch edge detection operator
苏州大学 物理与光电·能源学部,江苏 苏州 215006
在大规模生产太阳能电池板过程中,由于生产工艺的影响,部分电池板表面会产生颜色深浅不同的花纹(又称为晶花)。用户常常要求厂家对不同花纹的电池板进行分类供应。为此,提出了一种人工智能分类识别系统。系统以太阳能电池板的表面花纹深浅程度为分类依据,对太阳能电池板进行分类识别。系统首先使用局部二值模式(LBP)算子作为分类特征,将电池板分为“有晶花”和“无晶花”两类,然后使用局部对比度作为分类特征,对 “有晶花”一类细分为“强晶花”和“弱晶花”两类。为了满足生产线快速、准确分类的要求,系统使用了BP神经网络作为分类器。实验结果表明,分类系统速度快、准确率高,能够满足实际的生产线需求。
太阳能电池板 局部二值模式 局部对比度 BP神经网络 solar panel local binary pattern local contrast back propagation (BP) neural network
